文献

J-GLOBAL ID：202202249532612511   整理番号：22A0795443

二段階荷重下の金属材料に対するGauss過程回帰に基づく残存疲れ寿命予測【JST・京大機械翻訳】

Gaussian process regression based remaining fatigue life prediction for metallic materials under two-step loading

著者 (6件)： Gao Jingjing (State Key Laboratory for Strength and Vibration of Mechanical Structures, Xi’an Jiaotong University, Xi’an 710049, China) ,  Wang Cunjun (State Key Laboratory for Strength and Vibration of Mechanical Structures, Xi’an Jiaotong University, Xi’an 710049, China) ,  Xu Zili (State Key Laboratory for Strength and Vibration of Mechanical Structures, Xi’an Jiaotong University, Xi’an 710049, China) ,  Wang Jun (Science and Technology on Liquid Rocket Engine Laboratory, Xi’an 710100, China) ,  Yan Song (Science and Technology on Liquid Rocket Engine Laboratory, Xi’an 710100, China) ,  Wang Zhen (Science and Technology on Liquid Rocket Engine Laboratory, Xi’an 710100, China)
資料名： International Journal of Fatigue  (International Journal of Fatigue)
巻： 158  ページ： Null  発行年： 2022年 
JST資料番号： D0802B  ISSN： 0142-1123  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 疲労寿命予測は,安全性と信頼性を確保するための工学構造にとって極めて重要である。構造が,疲れ損傷蓄積と固有雑音の不均一,非一様,データの不確実性のため,可変振幅負荷を受けるとき,より挑戦的である。この問題に取り組むために,Gaussプロセス回帰(GPR)を導入し,同時に出力値を推定し,関連する不確実性を定量化した。したがって,GPRベースの残留疲れ寿命予測法を提案し,2段階荷重下の金属材料の残留疲れ寿命を予測した。提案方法を12の材料,328のサンプルを含むデータセットに関して包括的に評価した。提案方法は,最小平均二乗誤差(MSE),平均絶対百分率誤差(MAPE),残留標準偏差(RSD)値,および6つの機械学習法と2つのモデル駆動法の間の最も高い相関係数(CC)値を達成した。これらの結果は,提案した方法が,2段階負荷の下での残存寿命予測において,より大きな精度と信頼性を達成できることを示し,それは,残りの寿命予測の分野におけるデータ駆動方法として,提案した方法の有効性を説明した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  信頼性 ,  標準偏差 ,  不確実性 ,  *金属材料 ,  相関係数 ,  *Gauss過程 ,  モデル ,  *疲れ寿命 ,  疲れ損傷 ,  機械学習
準シソーラス用語： 最小平均二乗誤差 ,  データ駆動 ,  可変振幅荷重 ,  *Gauss過程回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： Gauss過程回帰 ,  疲れ寿命予測 ,  機械学習 ,  二段階負荷 ,  残存疲れ寿命

分類 (1件)： 金属材料  (HC05020S)

タイトルに関連する用語 (6件)： 段階 ,  荷重 ,  金属材料 ,  Gauss過程回帰 ,  残存 ,  疲れ寿命予測